¿Es posible definir la AGI? El problema multimillonario que divide a la industria de la IA

¿Cuándo podemos decir que un sistema de inteligencia artificial es lo suficientemente inteligente para llamarlo Inteligencia Artificial General (AGI)? Según una definición supuestamente acordada entre Microsoft y OpenAI, la respuesta está en la economía: cuando la IA genere 100.000 millones de dólares en beneficios. Este arbitrario punto de referencia basado en ganancias refleja perfectamente el caos definitorio que envuelve a la industria.

El problema de las 100 definiciones

Si preguntas a 100 expertos en IA qué es la AGI, obtendrás 100 definiciones diferentes pero relacionadas. Y esto no es solo una cuestión académica: tiene consecuencias reales para el desarrollo, la regulación y nuestra forma de entender estos sistemas.

Tradicionalmente, la AGI se refiere a un modelo capaz de generalizar ampliamente —aplicando conceptos a escenarios novedosos— y equiparar la versatilidad humana para realizar tareas desconocidas en múltiples dominios sin necesidad de entrenamiento específico.

Pero esta definición inmediatamente choca con preguntas complicadas: ¿Qué constituye exactamente un rendimiento «a nivel humano»? ¿Hablamos de humanos expertos o promedio? ¿Y en qué tareas? ¿Debería una AGI poder realizar cirugías, escribir poesía, reparar motores y demostrar teoremas matemáticos al nivel de especialistas humanos? Más fundamental aún: ¿por qué la inteligencia humana debería ser la vara de medir?

Una historia de objetivos cambiantes

En 1965, Herbert A. Simon, pionero de la IA, predijo que «las máquinas serán capaces, dentro de 20 años, de hacer cualquier trabajo que pueda hacer un hombre». Claramente, estábamos lejos de ese objetivo. A medida que ha avanzado la tecnología, los criterios han pasado de «hacer todo lo que un humano puede hacer» a «realizar la mayoría de las tareas económicamente valiosas» hasta los estándares aún más difusos de hoy.

El Test de Turing sirvió durante décadas como referencia para la inteligencia de las máquinas. Si un ordenador podía engañar a un juez humano haciéndole creer que era humano a través de una conversación de texto, se suponía que había logrado algo parecido a la inteligencia humana. Pero los modelos de lenguaje actuales pueden superar versiones limitadas de esta prueba no porque «piensen» como humanos, sino porque son excepcionalmente capaces de crear respuestas que suenan humanas.

Definiciones contradictorias en la industria

El panorama actual de definiciones de AGI revela lo fracturado que está el concepto:

• OpenAI define AGI como «sistemas altamente autónomos que superan a los humanos en la mayoría de los trabajos económicamente valiosos» —una definición que, al igual que la métrica de beneficios, utiliza el progreso económico como sustituto de la cognición.

• Mark Zuckerberg admite que no tiene una «definición concisa en una frase» del concepto.

• Sam Altman, CEO de OpenAI, cree que su empresa ya sabe cómo construir la AGI «tal como la hemos entendido tradicionalmente».

• Dario Amodei, CEO de Anthropic, considera que «AGI es un término impreciso que ha acumulado mucho equipaje y exageración de ciencia ficción». Prefiere términos como «IA poderosa» o «Ciencia e Ingeniería a nivel de Experto».

Google DeepMind propuso en 2024 un marco con cinco niveles de rendimiento de AGI: emergente, competente, experto, virtuoso y sobrehumano. Según sus investigadores, los LLMs más capaces solo califican como «AGI emergente» —iguales o algo mejores que un humano no especializado en varias tareas.

Cuando la filosofía se encuentra con el derecho contractual

La disputa Microsoft-OpenAI ilustra lo que sucede cuando la especulación filosófica se convierte en obligaciones legales. Cuando las empresas firmaron su acuerdo de asociación, incluyeron una cláusula que establecía que cuando OpenAI alcanzara la AGI, podría limitar el acceso de Microsoft a la tecnología futura.

Según informes de prensa, los ejecutivos de OpenAI creen que están cerca de declarar que han logrado AGI, mientras que Satya Nadella, CEO de Microsoft, ha llamado a la idea de usar AGI como un hito autoproclamado «un absurdo juego de manipulación de referencias».

El umbral de beneficio de 100.000 millones de dólares confunde el éxito comercial con la capacidad cognitiva, como si la capacidad de un sistema para generar ingresos dijera algo significativo sobre si puede «pensar», «razonar» o «entender» el mundo como un humano.

Por qué las evaluaciones siguen fallándonos

La búsqueda de mejores evaluaciones para AGI ha producido algunas alternativas interesantes al Test de Turing. El Corpus de Abstracción y Razonamiento (ARC-AGI), introducido en 2019 por François Chollet, prueba si los sistemas de IA pueden resolver rompecabezas visuales novedosos que requieren razonamiento analítico profundo.

«Casi todas las evaluaciones actuales de IA pueden resolverse puramente mediante memorización», dijo Chollet a Freethink en agosto de 2024. Un problema importante con las evaluaciones de IA actualmente proviene de la contaminación de datos: cuando las preguntas de prueba terminan en datos de entrenamiento, los modelos pueden parecer funcionar bien sin «entender» realmente los conceptos subyacentes.

Pero incluso evaluaciones sofisticadas como ARC-AGI enfrentan un problema fundamental: todavía intentan reducir la inteligencia a una puntuación. No tenemos una definición funcional completa de la inteligencia humana, así que definir la inteligencia artificial por cualquier puntuación única probablemente capturaría solo una pequeña parte del panorama completo.

¿Está la AGI a la vuelta de la esquina?

A pesar del bombo de algunos en la industria, muchos investigadores de IA siguen escépticos de que la AGI esté cerca. Una encuesta de marzo de 2025 realizada por la Asociación para el Avance de la Inteligencia Artificial (AAAI) encontró que la mayoría (76%) de los investigadores participantes creían que escalar los enfoques actuales es «improbable» o «muy improbable» que logre AGI.

Sin embargo, tales predicciones de expertos deben tomarse con cautela, ya que los investigadores han sido sorprendidos consistentemente por el rápido avance de las capacidades de la IA. Una encuesta de 2024 de Grace et al. a 2.778 investigadores de IA encontró que los expertos habían acortado drásticamente sus plazos para los hitos de IA después de sorprenderse por el progreso en 2022-2023.

Por qué importa la definición

El desajuste entre el consenso de los investigadores, las definiciones terminológicas de las empresas y la retórica corporativa tiene un impacto real. Cuando los legisladores actúan como si la AGI fuera inminente basándose en el bombo publicitario en lugar de evidencia científica, corren el riesgo de tomar decisiones que no se ajustan a la realidad.

Las empresas utilizan promesas de AGI inminente para atraer inversión, talento y clientes. Los gobiernos elaboran políticas basadas en plazos de AGI. El público forma expectativas potencialmente poco realistas sobre el impacto de la IA en los empleos y la